• Journal of Information Processing Systems
• /
• 제18권6호
• /
• pp.813-821
• /
• 2022

Intelligent monitoring, life entertainment, medical rehabilitation, and other fields are only a few examples where visual image technology is becoming increasingly sophisticated and playing a significant role. Recognizing Wushu, or martial arts, movements through the use of visual image technology helps promote and develop Wushu. In order to segment and extract the signals of Wushu movements, this study analyzes the denoising of the original data using the wavelet transform and provides a sliding window data segmentation technique. Wushu movement The Wushu movement recognition model is built based on the hidden Markov model (HMM). The HMM model is trained and taught with the help of the Baum-Welch algorithm, which is then enhanced using the frequency weighted training approach and the mean training method. To identify the dynamic Wushu movement, the Viterbi algorithm is used to determine the probability of the optimal state sequence for each Wushu movement model. In light of the foregoing, an HMM-based martial arts movements recognition model is developed. The recognition accuracy of the HMM model increases to 99.60% when the number of samples is 4,000, which is greater than the accuracy of the SVM (by 0.94%), the CNN (by 1.12%), and the BP (by 1.14%). From what has been discussed, it appears that the suggested system for detecting martial arts acts is trustworthy and effective, and that it may contribute to the growth of martial arts.

• 한국수자원학회논문집
• /
• 제48권12호
• /
• pp.969-979
• /
• 2015

본 연구에서는 가뭄의 특성분석에 유리하며, 확률론적 접근이 가능한 은닉 마코프 모델(HMM) 기반의 가뭄 분석 기법을 적용하였다. HMM 기반의 가뭄의 심도뿐만 아니라 지속시간을 동시에 평가할 수 있도록 코플라 함수 기반의 이변량 가뭄빈도해석 기법을 도입하여 우리나라의 2015년 가뭄 빈도를 평가하였다. 가뭄빈도분석 결과 최근 40년 자료를 기준으로 영동지방에 비해 영서지방이 전체적으로 가뭄이 발생할 경우 가뭄의 심도가 큰 것으로 평가되었다. 심한가뭄의 발생 비율의 경우에 철원의 경우 10%를 상회하는 등 임진강 유역에서 상대적으로 심한가뭄의 발생비율이 크다는 것을 확인할 수 있었다. 한강유역 일부지점에서는 2014/2015년의 가뭄 지속기간 및 심도의 결합재현기간이 1,000년이 넘는 가뭄이 발생하고 있는 것으로 평가되었다. 특히 북한강 및 임진강 유역에 심한 가뭄이 발생하고 있으며 전반적으로 100년 이상의 기왕최대가뭄을 나타내고 있는 것으로 판단되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.1860-1861
• /
• 2007

주식 예측은 주식 시장이 생긴 이래로 투자자들이나, 금융 전문가들 사이에서 매우 중요한 일이 되어 왔다. 그러한 중요성으로 인해 엘리오트 파동이론과 같은 많은 주식 예측 기법이 제시되었고, 또한 이러한 예�G의 자동화를 위해 인공지능분야에서도 많은 연구가 있어왔다. 주가 예측에 패턴인식 방법을 적용한 기존의 연구로는 주로 ANN(Artificial Neural Network)방식과 은닉 마코프 모델(HMM, Hidden Markov Model)이 있었고, 본 논문에서는 HMM을 이용한 방법을 제안한다. HMM은 시간 순차적인 패턴을 가지는 모델의 인식에 좋은 성능을 보여 주로 음성인식 분야에서 많이 이용되고 있다. 주식 변화 역시 시간 순차적 흐름에 따라 기울기의 변화가 어느 정도 일정한 패턴을 가지는 성질이 있고, 이것은 HMM을 이용한 패턴인식으로 주식의 앞으로의 변화를 예측하기에 적합한 요인이 된다. 본 논문에서는 이를 위해 다음과 같은 과정을 걸쳤다. 첫 번째로 실존 회사의 장기간의 주식 테이터를 기반으로 여러 개의 HMM모델을 학습 하였다. 두 번째로 예측하고자 하는 기간 이전의 주식 변화 데이터를 입력으로 하여, 이전에 이와 유사한 패턴이 있었는지를 HMM을 통해 알아냈다. 마지막으로 이렇게 알아낸 패턴을 이용하여 앞으로의 주식 변화를 예측하였다. 실험은 실제 주식 변화와 예측값의 비교를 통해 정확도를 검증하였다.

• 음성과학
• /
• 제3권
• /
• pp.119-131
• /
• 1998

We have developed a keyword spotting system for automatic speech editing. This system recognizes the only keyword 'MBC news' and then sends the time information to the host system. We adopted a vocabulary dependent model based on continuous hidden Markov model, and the Viterbi search was used for recognizing the keyword. In recognizing the keyword, the system uses a parallel network where HMM models are connected independently and back-tracking information for reducing false alarms and missing. We especially focused on implementing a stable and practical real-time system.

• 한국음향학회지
• /
• 제26권6호
• /
• pp.259-268
• /
• 2007

본 논문에서는 HMM 기반 통계적인 대역폭 확장(Bandwidth Extension, BWE) 방법의 개선에 대해 다룬다. 이를 위해 우선, HMM 모델 학습을 위한 기존의 Jax의 학습법과 일반적인 Baum-Welch 학습법의 관계를 비교 검토하고, Jax의 학습법의 한계점 및 문제점을 검토한다. 그리고 이를 바탕으로 Baum-Welch학습법을 이용한 새로운 HMM 기반 BWE 방법을 제시한다. 결론적으로, Baum-Welch 학습법은 Jax의 학습법의 일반화된 형태로 볼 수 있으며, 보다 유연하고 적응적인 학습능력을 가진 알고리즘임을 알 수 있다. 따라서 학습 데이터에 대한 보다 정확한 HMM 모델링이 가능하며 아울러, 이와 같이 개선된 HMM 모델을 활용함으로써 BWE 시스템의 성능향상을 가져 올 수 있었다. 실험결과에 의하면, 제시된 새로운 방법이 기존의 Jax의 방법에 비해 실험의 모든 경우에서 우수한 성능을 보임을 알 수 있다. 주어진 실험조건하에서 근제곱평균(root-mean-square, RMS) 로그 스펙트럴 왜곡(Log Spectral Distortion, LSD) 값이 전체적으로 평균 0.52dB 그리고, 최소 0.31dB에서 최대 0.8dB까지 개선되었다.

• 한국통신학회논문지
• /
• 제31권9C호
• /
• pp.853-858
• /
• 2006

음성인식에서 TMHMM(Tied Mixture Hidden Markov Model)은 자유 매개변수의 수를 감소시키기 위한 좋은 접근이지만, GPDF(Gaussian Probability Density Function) 군집화 오류에 의해 음성인식의 오류를 발생시켰다. 본 논문은 TMHMM에서 발생하는 군집화 오류를 최소화하기 위하여 HCNN(Homogeneous Centroid Neural Network) 군집화 알고리즘을 제안한다. 제안된 알고리즘은 CNN(Centroid Neural Network)을 TMHMM상의 음향 특징벡터에 활용하였으며, 다른 상태에 소속된 확률밀도가 서로 겹쳐진 형태의 이질군집 지역에 더 많은 코드벡터를 할당하기 위해서 본 논문에서 새로 제안이 제안되는 이질성 거리척도를 사용 하였다. 제안된 알고리즘을 한국어 고립 숫자단어의 인식문제에 적용한 결과, 기존 K-means 알고리즘이나 CNN보다 각각 14.63%, 9,39%의 오인식률의 감소를 얻을 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2004년도 춘계종합학술대회
• /
• pp.587-590
• /
• 2004

본 논문에서는 HMM(Hidden Markov Model)방법에 기초하여 전경과 배경영역 뿐만아니라 그림자 까지도 분할 할 수 있는 교통모니터링 방법을 제안하였다. 움직이는 물체의 그림자는 시각적 추적을 방해하기 때문에 이러한 문제점을 해결하기 위한 방법으로 각 화소나 영역을 3개의 카테고리 즉, 그림자, 전경, 배경물체로 분할하였다 교통 모니터링 영상의 경우, 실험결과를 통해 제안된 방법의 효율성을 입증 할 수 있었다.

• 한국음향학회지
• /
• 제34권2호
• /
• pp.171-176
• /
• 2015

본 논문에서는 Hidden Markov Model(HMM) - Universal Background Model(UBM)의 주 상태 정보 기반의 i-vector 추출 기술을 제안한다. Ergodic HMM이 UBM을 추정하는데 쓰였으며, 이를 통해 동일 화자 음성에도 다양하게 존재하는 특성을 HMM states로 분류할 수 있다. 제안한 방법을 이용하면 HMM의 state 개수에 따라 i-vector 들이 추출되는데, 주 상태 정보 방법을 통해 이들 중 하나를 선택한다. 제안한 방법을 검증하기 위해 National Institute of Standards and Technology(NIST) Speaker Recognition Evaluation(SRE) database를 이용하여 실험을 하였으며, Equal Error Rate(EER) 성능 수치에서 12 %의 성능 향상을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제9권3호
• /
• pp.121-125
• /
• 2004

대부분의 수기 숫자 인식 시스템에서는 자모 형태를 이용한 특징 점 추출과, 형태소 적 분석기법을 많이 사용하였다. 본 연구에서는 체인코드를 사용하고, 생성된 체인코드를 미분하여 최소 값이 되는 미분코드를 만들었다. 이 미분코드는 대부분의 수기 숫자에 적용해 본 결과 숫자 변별력이 매우 뛰어남을 알 수 있었다. 처리 순서는 몇 개의 수기숫자를 전 처리하고, 체인코드와 미분코드를 생성 한 후, HMM 인식 네트워크를 사용하여 숫자 인식하였다. 처리 결과 96.1%의 수기숫자를 인식하였으며, 매우 심하게 왜곡된 숫자는 인식하지 못하였다.

• 한국유체기계학회 논문집
• /
• 제7권2호
• /
• pp.41-49
• /
• 2004

Condition monitoring is very important in turbo machinery because single failure could cause critical damages to its plant. So, automatic fault recognition has been one of the main research topics in condition monitoring area. We have used a relatively new fault recognition method, Hidden Markov Model(HMM), for mechanical system. It has been widely used in speech recognition, however, its application to fault recognition of mechanical signal has been very limited despite its good potential. In this paper, discrete HMM(DHMM) was used to recognize the faults of rotor system to study its fault recognition ability. We set up a rotor kit under unbalance and oil whirl conditions and sampled vibration signals of two failure conditions. DHMMS of each failure condition were trained using sampled signals. Next, we changed the setup and the rotating speed of the rotor kit. We sampled vibration signals and each DHMM was applied to these sampled data. It was found that DHMMs trained by data of one rotating speed have shown good fault recognition ability in spite of lack of training data, but DHMMs trained by data of four different rotating speeds have shown better robustness.